Millistel juhtudel on vaja andmeid denormaliseerida?

Denormalization võib olla õigustatud olukordades, kus päringute jõudlus muutub kriitiliseks ja standardsed normaliseerimisvormid põhjustavad liigseid ajakulusid tabelite ühendamisel.

Peamised juhtumid denormaliseerimiseks:

• Lugemiste jõudluse parandamine: JOIN-operatsioonide arvu vähendamine andmete dubleerimise või agregaatsete väljade loomise kaudu.
• Andmete ettevalmistamine aruannete või analüütika jaoks (OLAP): Sageli kasutatakse denormaliseeritud struktuure (näiteks tähe- või lumemütsikujulisi) keerukate analüütiliste päringute kiirendamiseks.
• Spetsiifiliste päringute optimeerimine: Kui on palju sageli kasutatavaid päringuid, mis nõuavad andmeid erinevatest tabelitest, võib denormaliseerimine vähendada nende täitmise aega.
• Tugevalt seotud andmetega töötamine: Mõnel juhul, kui andmed on loomult tihedalt seotud ja harva uuendatakse sõltumatult, võib denormaliseerimine lihtsustada mudelit ja suurendada jõudlust.
• Andmete vahemälu (käsitlus) loomine: Denormaliseeritud "vahemälutabelite" loomine sageli küsitavate andmete jaoks.

Tuleb hoolikalt tasakaalustada jõudluse eelised ja võimalikud puudused:

• Andmete liigse dubleerimise suurenemine: Võib põhjustada kooskõlastamatuse probleeme uuendamisel.
• Raskemad kirjutamisoperatsioonid: Andmete uuendamine või sisestamine võib nõuda mitme koha muutmist.
• Suurenenud salvestusmaht: Andmete dubleerimine suurendab andmebaasi suurust.
• Hoolduskompleksus: Denormaliseeritud skeem võib olla vähem intuitiivne ja keerulisem hooldada.